AI agent 進了 IDE，還需要知道它看見的是哪個現場
假設一個小團隊正在查儀表板的數字：repo 裡的 Python 腳本看來沒錯，agent 也說計算式一致；同事打開的 IDE 卻早已載入另一份測試資料。兩個人談的是同一段程式，看的不是同一個結果。
這只是用來想清楚工作流程的假設情境，不是某款 IDE 發生過的事故。專案檔案會告訴 agent 程式應該怎麼寫，卻不一定告訴它此刻是哪個 Python 環境、哪些物件留在記憶體裡，或哪個 session 正在畫圖。
看得見現場，少猜一件事
Posit 在十月的 Positron 更新中，介紹了內建但仍屬實驗性的 MCP server。開啟 ai.mcp.enabled 後，外部 coding agent 可以連到使用者正在工作的 Python／R session，列出 session、在 Console 執行程式、檢視物件與目前圖表等。官方也說，agent 執行的程式碼會在 Console 標出 agent 名稱。這裡說的是外部 agent 的連接路線；同篇更新提到的 Posit Assistant 能操作 IDE，不該直接當成所有外部 MCP client 都能做的事。
這個改變值得注意，因為它讓「你在本機重跑看看」少了一層猜測。Agent 可以先問目前用的是哪個 session，再看圖表和手上的程式是否真在同一個執行現場。但 Console 有名字，不代表每一次資料讀取都已有完整稽核紀錄；能在當前 session 得到答案，也不代表答案換一台機器仍然成立。
以前我們談讓前端專案對 agent 可讀，多半是把專案規約、檔案結構等靜態脈絡寫清楚。資料應用還多了一層：repo 的規則可以重讀，記憶體裡的物件與臨時連線卻會隨工作過程改變。只做好前者，agent 仍可能用對了程式、看錯了現場。
先縮小任務，再讓 agent 動手
如果是我帶這個小團隊查數字，我會先用合成資料複製一個最小的差異案例，記下使用的 interpreter、套件環境、輸入版本和 session。接著寫明這次只允許查看哪些物件、執行哪些讀取或計算，不允許修改原始資料，也不開正式資料庫連線。若查明問題非用客戶資料不可，就先停下來，由人決定如何取得授權與準備可用的測試資料；接上 MCP 不是資料使用許可。
觀察也該留一張能被同事看懂的紀錄：agent 在哪個 session 跑了哪段程式，當時取用的是哪份合成輸入，得到哪個數值或圖表。Console 的可見標記可以幫人辨認部分動作，但不能靠一個標記反推出所有環境條件。這份紀錄是團隊要另外建立的工作習慣，不是我已在 Positron 上實測過的內建驗收功能。
若要為這類工作另做一個人機共用的操作畫面，我會把「目前 session」、「已執行動作」和「待重跑的結論」分開顯示。對需要依任務呈現不同物件與圖表的前端團隊，生成式 UI 實作資源可以拿來比較元件與呈現方式；它不是 Positron 的整合指南，也無法代替資料存取控制。畫面越會變，來源和驗證狀態反而越不能藏。
最後換一個乾淨 session，用同一份合成輸入重跑關鍵步驟。重現了，才把輸出交給同事核對是否回答原本的問題；重現不了，就標示「僅在當前 session 觀察到」，不要寫成「已修復」。
把 agent 接進 IDE，是讓它少一點盲猜。讓人知道它當時看見什麼、動過什麼，以及哪些結論尚未重做，才是把這次工作交出去的起點。
資料來源與範圍
本文的產品能力依官方公告的公開搜尋摘錄及同日來源筆記整理，未直接擷取公告全文，也沒有實測 Positron。儀表板、合成資料及工作台畫面都是設計用的假設例子；公開的 PIXNET 文章以精確網址的外部搜尋結果核對標題和正文，未能直接擷取站頁。